投票系统的贝叶斯推断与动态评分研究
2026 MCM/ICM Problem C：隐藏观众投票推断与评委—观众评分机制设计。
论文概述
本项目源于 2026 MCM/ICM Problem C，后续研究形成期刊论文 Constrained Bayesian Reconstruction of Latent Public Preferences under Dynamic Elimination Rules: An Uncertainty-Aware Expert–Public Fusion Framework。研究针对只有淘汰结果、缺少真实观众票数的投票节目数据，估计隐藏的粉丝投票，并比较不同评分与淘汰机制。论文现已被期刊 Axioms 接收，本人为第三作者。
方法
- 在分层约束下建立贝叶斯模型，以 Dirichlet 分布描述投票份额先验
- 使用 Metropolis–Hastings MCMC 对隐藏粉丝投票进行抽样推断
- 比较排名制、百分比制及评委干预机制，并使用 Lasso 分析影响因素
- 提出 Logistic Dynamic Weighted System（LDWS），使评委与观众权重随赛程动态变化
实验记录
论文使用 34 个赛季、2777 条观测开展分析。后续整理的可复现实验中，LDWS 在已观测周重构任务上取得 0.9655 的准确率，并与排名制基线进行了统计比较。论文已被 Axioms 接收，卷期、页码和 DOI 将在正式上线后补充。
当前状态
已被 Axioms 接收。 参赛论文、实验代码和中间结果已经归档；正式出版信息将在期刊上线后更新。